動画生成スキル (video-generation)
生のアイデアやトピックを、完成度の高い洗練された動画に変換するための、本番環境対応の完全なパイプラインです。構造化されたクリエイティブディレクション(ブリーフィング、リサーチ、スクリプト作成、ショットリスト作成)と、MoneyPrinterTurboのCLI(cli.py または設定されたエイリアス)を介したローカルでのコマンドラインアセンブリを組み合わせます。
事前チェック1:MoneyPrinterTurboの可用性とコマンド解決
動画生成パイプラインを実行する前に、MoneyPrinterTurboが利用可能であることを確認し、実行コマンドを解決します。
-
設定されたエイリアス、関数、ラッパースクリプトを確認します:
alias video 2>/dev/null || type video 2>/dev/null || which video 2>/dev/nullシェルまたはPATHに
videoエイリアスまたはラッパーが存在する場合は、それを直接使用します(例:video [options])。 -
エイリアスやコマンドが存在しない場合、MoneyPrinterTurboの
cli.pyを動的に特定します:find ~ -name "cli.py" -path "*/MoneyPrinterTurbo/*" 2>/dev/null | head -n 1- 検出されたディレクトリ(例:
~/Applications/MoneyPrinterTurbo)から:- 仮想環境のPythonインタプリタを特定します(例:
<MoneyPrinterTurbo_DIR>/.venv/bin/python)。.venvが存在しない場合は、システムのpython3にフォールバックします。 - 直接実行するコマンドを構築します:
<MoneyPrinterTurbo_DIR>/.venv/bin/python <MoneyPrinterTurbo_DIR>/cli.py [options]
- 仮想環境のPythonインタプリタを特定します(例:
- 検出されたディレクトリ(例:
[!IMPORTANT] エイリアスもMoneyPrinterTurboの
cli.pyも見つからない場合は、処理を停止し、ユーザーにMoneyPrinterTurboのインストールを促してください:"動画のアセンブルとレンダリングにはMoneyPrinterTurboが必要ですが、システム上で見つかりませんでした。動画生成を続行する前に、https://github.com/harry0703/MoneyPrinterTurbo からインストールしてください。"
事前チェック2:Ollamaサービスの状態(ローカルLLMを使用する場合)
スクリプト生成にローカルまたはクラウドのOllamaモデルを使用するように設定されている場合は、Ollamaサービス/プロセスがアクティブかどうかを確認します。
systemctl is-active --quiet ollama || pgrep -x ollama > /dev/null
[!IMPORTANT] Ollamaが必要だが実行されていない場合は、処理を停止し、ユーザーにサービスの開始を促してください。
"Ollamaサービスが現在実行されていません。次のコマンドを実行して起動してください:"
sudo systemctl start ollama(Ollama Cloudモデルを使用する場合は、
ollama signinが完了していることも確認してください)。
事前チェック3:動的スキル検出と計画
エージェントに特定の外部スキルがインストールされていることをハードコードしたり、前提としたりしないでください。 他の環境やユーザーは、異なるスキルセットを持っています。
代わりに、環境を動的に検査し、動画パイプラインを支援できるインストール済みのスキルを特定し、その結果を動画生成計画にまとめます。
1. 利用可能なスキルを特定して検査する
エージェントのインストール済みスキルディレクトリまたは設定を参照して検査します。次のことに役立つスキルを特定します。
- リサーチと発想: トピックの発見、事実調査、ドメイン分析、文献検索。
- コピーライティングとスクリプト作成: フックの作成、クリエイティブライティング、スクリプトレビュー、ペルソナ/音声プロファイリング。
- オーディオと音声: オーディオクリーニング、トランスクリプト分析、無音トリミング、カスタムTTS。
- ビジュアルとアセット: コードスニペットのレンダリング、UIウォークスルー、ダイアグラム、画像生成。
- パッケージングとSEO: タイトル/サムネイルの評価、検索メタデータ、動画チャプター生成。
2. ユーザー相談プロトコル(計画作成前)
動画生成計画を作成する前に、見つかった関連スキルをユーザーに提示し、意見を求めます。
- 簡単なYes/Noを尋ねます:
"インストールされているスキル
<スキル名>を見つけました。これは [特定のタスク、例:フックスコアリング / オーディオクリーニング / チャプター分割] に役立ちます。この動画で使用しますか?(はい / いいえ)" - 「はい」の場合: そのスキルを生成計画に含めるために承認済みとしてマークします。
- 「いいえ」の場合:
理由を尋ねます:
"承知しました。使用したくない理由を教えていただけますか?"
- これが重要な理由: 「なぜダメなのか」を尋ねることで、重要なクリエイティブな制約を明らかにし、コアな目的を明確にできます(例:「私はすでに正確なスクリプトを書きました」、「派手なフックではなく、真面目なドキュメンタリートーンにしたい」、「音声の自然な間を残したい」)。
- 回答を基に、計画を作成する前に、彼らの目標をより明確に理解します。
3. 動画生成計画を作成する
ユーザーとの相談が完了したら、このスキルの指示、ユーザーが明確にした目的/制約、承認されたスキルに基づいて、カスタマイズされた動画生成計画を作成します。
- クリエイティブブリーフ: オーディエンス、ターゲットプラットフォーム、長さ、アスペクト比、トーン(相談中に収集した制約を反映)。
- 含まれる承認済みスキル: ユーザーが選択した特定のツール/スキルとその使用方法。
- スクリプトとストーリーボードのアプローチ: フック戦略、コアビート、計画されたショットリストの構造。
- メディアとオーディオのソーシング: ナレーションボイス(Edge TTS vs ローカル音声)、BGMボリューム、ビジュアルアセット(ローカル映像 vs ストック)。
- タイムラインアセンブリ: ペーシング、字幕アニメーション、トランジション、最終レンダリング仕様。
トピック間動画生成パイプライン
flowchart TD
A["1. 環境内の利用可能なスキルを検査"] --> B{"2. ユーザー相談プロトコル\n候補スキルについて意見を聞く(はい / いいえ)"}
B -- "いいえ" --> C["「なぜダメなのか」を尋ねる\n(目的と制約が明確になる)"]
C --> D["3. 動画生成計画を作成\n(指示 + 明確化された目的から構築)"]
B -- "はい" --> E["候補スキルを承認"]
E --> D
D --> F["4. リサーチとスクリプト作成"]
F --> G["5. ショットリスト(要のストーリーボード)"]
G --> H["6. ナレーション合成(TTS / オーディオ)"]
H --> I["7. シーンごとのビジュアル(ストック / ローカル / モーション)"]
I --> J["8. タイムラインアセンブリ(MoneyPrinterTurbo CLI)"]
J --> K["9. QC、メタデータ、最終MP4納品"]
ステップバイステップのパイプライン手順
1. ブリーフを明確にする
コードやメディアを生成する前に、クリエイティブパラメータを確定させます。ユーザーから明示的に提供されていない場合は、トピックとプラットフォームに基づいて適切なデフォルト値を推測します。
- オーディエンス: 誰が見るのか?(一般大衆、学生、開発者、購入者)
- 声とトーンのプロファイル: ユーザーがスタイルガイド、トーンの好み、ペルソナの制約を提供しているか確認します。
- 目標の長さ:
- ショートフォーム: 15秒~60秒(TikTok、IGリール、YouTubeショート)
- ミッドフォーム: 1~3分(プロダクトデモ、クイック解説)
- 解説: 3~5分(詳細な解説、チュートリアル)
- アスペクト比:
9:16(縦長:モバイル / リール / ショート / TikTok用) — デフォルト16:9(横長:YouTube / デスクトップ / プレゼンテーション用)1:1(スクエア:Instagram / LinkedInフィード投稿用)
- トーン: カジュアル、エネルギッシュ、権威的、ナラティブ、ユーモラス。
- プラットフォーム: ペーシング、フォントサイズ、キャプションスタイル、フックの強度を決定します。
2. トピックをリサーチする
検証済みの事実、魅力的なフック、正確なデータポイントを収集します。
- 事実 / 時事問題: 検索ツールを使用して、日付、統計、固有名詞、コアとなる主張を検証します。
- エバーグリーン / 概念的な内容: 3~5個の驚くべき、または価値の高い洞察を構成します。
- フックを特定する: 最初の3秒以内に注意を引くための最も興味をそそる角度(計画で承認されたリサーチ/発想スキルを活用)。
3. スクリプトを作成する
読み上げ用ではなく、話し言葉のオーディオ用に特別にフォーマットされたナレーションを起草します。
- ペーシングの目安: 1分あたり約130~150ワード(1秒あたり約2.2~2.5ワード)。30秒のショートには約65~75ワード、60秒の動画には約130~150ワードが必要です。
- フックの検証: 最初の3秒以内にすぐにスクロールを止めさせます。ユーザーによって承認されたフック評価ツールやコピーライティングツールがある場合は、確定する前に候補のフックをそれらに通します。
- 構成:
- フック(0~3秒): 大胆な質問や驚くべき発言で、すぐにスクロールを止めさせます。
- ボディ(3~5ビート): コアポイントを論理的に進めます。複雑な従属節のない、パンチの効いた文を使用します。
- クローズ / CTA(最後の3~5秒): 明確な要点または行動喚起。
- 話し言葉のナレーションテキスト内では、Markdown書式、絵文字、括弧書き、引用は避けます。
4. スクリプトをショットリストに分割する(要)
ショットリストは、スクリプトとビジュアルおよびオーディオ生成を橋渡しします。スクリプトをシーン(通常3~6秒ごと)に分割します。
[!IMPORTANT] ショットリストは最も重要なアーティファクトです。 シーンテキスト、ビジュアルの説明、タイミングが適切に構造化されていれば、後続の生成とアセンブリはシームレスかつ確定的になります。
ショットリストテンプレート:
| シーン # | ナレーション行 | ビジュアルの説明 / 検索用語 | 画面上のテキスト | 推定時間 |
|---|---|---|---|---|
| 1 (フック) | "深海では、生物が自ら光を生み出します。" | 真っ暗な深海で輝く発光クラゲ | 深海の秘密 | 4秒 |
| 2 (ビート1) | "深海生物の75%以上が生物発光を行います。" | 暗闇で動く光るチョウチンアンコウのルアー | 75%の生物 | 4秒 |
| 3 (ビート2) | "彼らは化学反応を使って、コミュニケーション、狩り、カモフラージュをします。" | イカの脈打つ青い発光器のマクロショット | 自然の輝き | 5秒 |
| 4 (クローズ) | "フォローして、深淵に隠されたさらなる秘密を発見しましょう。" | 海底の崖を照らす潜水艇のライト | さらに詳しく | 3秒 |
5. ナレーションを生成する
ナレーションから音声を合成します。
- タイミング権威ルール: 生成されたオーディオファイルの実際の長さ(ステップ4の推定時間ではなく)が、シーンペーシングとビジュアルカットの決定的なタイムラインアンカーになります。
- 統一実行では、MoneyPrinterTurboがEdge TTS(無料、高品質)を介して自動的にTTSを処理します。
- カスタムナレーションや事前録音されたオーディオの場合は、オーディオをクリーンにし(承認されたオーディオクリーニングスキルを使用)、
--custom-audio-file <パス>を指定します。
6. シーンごとのビジュアルをソーシングまたは生成する
各シーンのオーディオの正確な長さにビジュアルを一致させます。
- ストックフッテージ: シーンキーワードに一致するPexels、Pixabay、またはCoverrのクリップ。
- ローカルメディア:
--video-source local --video-materials "clip1.mp4,clip2.mp4"で提供されるビデオクリップまたは画像。 - 画像モーション: 静止画を使用する場合は、動的なモーション(
--image-motion zoom)を適用して、視聴者のエンゲージメントを維持します。
7. タイムラインをアセンブルする
オーディオ、ビデオ、字幕、音楽を一緒にステッチします。
- シーン順にフッテージを連結します(
--video-concat-mode sequentialまたはrandom)。 - アニメーション化された単語同期字幕をオーバーレイします(
--subtitle-display-mode word_by_word)。 - 邪魔にならないレベル(
--bgm-volume 0.15~0.2)で、ナレーションの下にBGMをミックスします。 - シーントランジションを適用します(
--video-transition-mode fade-in、slide-inなど)。
8. レンダリング、レビュー、品質チェック(QC)
最終動画を納品する前にQC検査を実行します。
- タイミングと同期: ビジュアルの変更はナレーションのトピックと一致していますか?
- 読みやすさ: 字幕は背景に対して読みやすいですか?(フォントサイズ、コントラスト、ストロークを確認)。
- オーディオミックス: ナレーションはBGMに邪魔されずにクリアに聞こえますか?
- セーフゾーン:
9:16の縦長動画で、UIオーバーレイ(TikTok/リールボタンなど)が重要なテキストにかかっていませんか? - 付随メタデータ(オプション): 計画で要求または承認された場合、アップロード用の付随メタデータ(タイトル、タグ、説明、チャプタータイムスタンプなど)を生成します。
- プロジェクト納品: 最終動画とアセットを
<project_dir>/video-<short-title>-<datetime>/に転送します。
出力ストレージとプロジェクト納品
生成された最終動画とそのアセットは、内部エンジンストレージ内に埋もれたままにせず、常にユーザーのプロジェクトディレクトリに整理して納品します。
1. プロジェクトディレクトリの解決
- アクティブなプロジェクト/ワークスペースディレクトリを確認:
- アクティブなワークスペースまたはプロジェクトディレクトリが存在するか確認します。
- プロジェクトディレクトリが存在しない場合のフォールバックプロンプト:
- プロジェクトディレクトリやワークスペースが設定/既知でない場合は、納品を確定する前にユーザーに保存先パスを尋ねます:
"アクティブなプロジェクトまたはワークスペースディレクトリが検出されませんでした。生成された動画をどこに保存しますか?(保存先フォルダのパスを指定してください)"
- プロジェクトディレクトリやワークスペースが設定/既知でない場合は、納品を確定する前にユーザーに保存先パスを尋ねます:
2. 出力フォルダの命名形式
解決されたプロジェクトディレクトリ内に、次の名前の専用フォルダを作成します。
video-<short-title>-<datetime>/
<short-title>: スラグ化された2~4ワードのタイトル(例:deep-sea-creatures、quantum-computing)。<datetime>:YYYYMMDD-HHMMSS形式の現在のタイムスタンプ(例:20261113-171530)。- フォルダ例:
video-deep-sea-creatures-20261113-171530/
3. アセットの納品と整理
MoneyPrinterTurboが内部タスクストレージでのレンダリングを完了したら。
- プロジェクトディレクトリにタイムスタンプ付きフォルダを作成します。
mkdir -p "<project_dir>/video-<short-title>-<datetime>" - 最終動画とそれに付随する生成アセットをエンジンのタスクディレクトリ(
storage/tasks/<task_id>/)からプロジェクトフォルダにコピーします。- 最終動画:
final-1.mp4→<project_dir>/video-<short-title>-<datetime>/<short-title>.mp4 - 字幕:
subtitle.srt→<project_dir>/video-<short-title>-<datetime>/subtitles.srt - ナレーション音声:
audio.mp3→<project_dir>/video-<short-title>-<datetime>/audio.mp3 - スクリプト:
script.json→<project_dir>/video-<short-title>-<datetime>/script.json
- 最終動画:
- プロジェクトディレクトリ内の最終
.mp4ファイルへの直接のクリック可能なリンクをユーザーに提供します。
コマンド実行とタスク出力
パイプラインはMoneyPrinterTurboのCLI(cli.py または設定されたエイリアス)によって駆動されます。
- コマンド呼び出し:
検出されたエイリアス/コマンド(存在する場合)を使用するか、仮想環境のPythonインタプリタで
cli.pyを直接使用して実行します。# エイリアスまたはラッパーが存在する場合: video [options] # pythonを介した直接実行: <MoneyPrinterTurbo_DIR>/.venv/bin/python <MoneyPrinterTurbo_DIR>/cli.py [options]